自蒸馏的掩码图像transformer在纵向MRI中的潜力——自动分割颈部淋巴结转移

报告介绍

在肿瘤放疗中，自动分割技术承诺提升速度并降低手工分割带来的读者间差异。在放射肿瘤学临床实践中，精确快速的肿瘤分割对于患者的个性化治疗至关重要。Ramesh Paudyal等来自Memorial Sloan Kettering Cancer Center的研究人员开展了这一项研究，旨在实现并评估“屏蔽图像变压器”（masked image modeling using vision transformers，即SMIT）算法在口咽部鳞状细胞癌患者的纵向T2加权MRI图像中的颈部淋巴结转移的自动分割精度。

这篇论文发表在《BJR|Artificial Intelligence》2024年第1期。这项研究由Ramesh Paudyal, Jue Jiang, James Han, Bill H. Diplas, Nadeem Riaz, Vaios Hatzoglou, Nancy Lee, Joseph O. Deasy以及Harini Veeraraghavan和Amita Shukla-Dave共同完成，所有作者均来自美国纽约的Memorial Sloan Kettering Cancer Center。

研究背景

肿瘤检测与放疗计划中常使用的横断面成像技术包括计算机断层扫描（CT）和磁共振成像（MRI）。在临床实践中，准确识别和分割器官风险区（OARs）和肿瘤对于精准放疗至关重要。然而CT成像存在金属伪影且在肿瘤与正常软组织边界清晰度上存在局限，而MRI提供了优越的软组织对比度，正成为用于放疗计划、实施和评价的潜在成像方法。

传统上，放射科医生通过手工分割头颈部肿瘤边界，这一过程耗时且易受读者间差异影响，尤其对于形态复杂的头颈部肿瘤以及潜在的伪影更为明显。尽管基于图谱的分割方法已经显示出节省时间的潜力，但在头颈部小目标肿瘤体积分割上仍需手动编辑。近期，深度学习技术显示出在自动分割方面的潜力，能够提供较手动和基于图谱的分割更好的效率和一致性。

研究方法

这项研究包括123位人乳头瘤病毒阳性（HPV+）的口咽鳞状细胞癌（opscc）患者，他们接受了同步的化放疗。研究使用了在治疗前及治疗期间（即第0周和第1-3周）采集的纵向T2加权（T2W）MRI图像。手动标定了这123名患者的颈部淋巴结转移病灶，并使用SMIT自动分割算法进行处理，随后计算总肿瘤体积。研究使用标准统计分析方法比较了SMIT分割与手动分割的体积（使用Wilcoxon符号秩检验[WSRT]），并计算Spearman秩相关系数。

数据获取与处理

MRI图像采集使用的设备为Philips 3T扫描仪（Ingenia）。使用的标准MRI获取程序包括多平面的T2W（回波时间[TE] = 80ms，重复时间[TR] = 4099-5939ms）。数据集共包含123位患者的MRI图像，前95位用于训练，10位用于验证，18位用于测试。

深度学习自动分割算法

使用预训练3D Swin模型对颈部淋巴结转移进行了建模，采用了U-Net解码器进行细化。研究模型在500个轮次中进行了训练，总训练时间为20小时，并使用5折交叉验证进行微调。每轮模型的推理时间约为2秒，包括数据加载和分割。

统计分析

使用DSC（Dice相似系数）评估SMIT算法的分割精度，并利用WSRT比较手动与自动分割的体积。采用Spearman秩相关系数计算SMIT模型与手动标定的肿瘤体积间的相关性。实验结果的统计意义设定为p<0.05。

研究结果

手动与自动分割的对比

研究显示，SMIT模型分割与手动标定的前治疗（pre-tx）肿瘤体积（8.68±7.15 vs 8.38±7.01 cm³, p=0.26 [WSRT]）差异不显著，且Bland-Altman分析显示了较强的一致性，总体肿瘤体积显著相关（q=0.84-0.96, p<0.001）。分割精度在测试数据集上以DSC值表示，分别在前治疗和治疗中的不同周均达到0.86, 0.85, 0.77和0.79。

研究亮点

1. 创新性：首次在HPV+ opscc患者中使用纵向T2W MRI评估SMIT算法自动分割的有效性。
2. 高精度：SMIT算法显示了高精度的分割结果，与手动分割结果高度一致。
3. 效率提升：相较手动标定，显著提升了分割效率并降低了时间成本。

研究意义

这项研究提出的SMIT算法在肿瘤放疗中提供了具有实用价值的自动分割方案，显著降低了手动画定带来的读者间差异和工作量，提高了放疗临床实践中的分割效率和准确性，为未来的临床应用提供了参考。

参考文献

文中提及的所有参考文献均注明了详细出处和链接，确保研究的可靠性和可追溯性。

结论

本研究创新性地应用SMIT算法进行了HPV+ opscc患者的自动分割，取得了高精度和高效的分割结果，有望在未来的放疗临床实践中提供有价值的应用方案。地滚球研究所贡献的重要方法和数据为开放科学研究提供了重要的支持。